将 numpy 数组转换为 Shapely Points 的最有效方法是什么？

Question

我有一个函数，可以将点网格输出为 x 和 y numpy 数组进行插值，但在插值之前，我想使用 Geopandas 与我的研究边界进行相交（否则我的插值点的一半会落入海洋中） 。

我正在生成这样的点：

import geopandas as gpd
import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import Point

x = np.linspace(0,100,100)
y = np.linspace(0,100,100)
x, y = np.meshgrid(x, y)
x, y = x.flatten(), y.flatten()


f, ax = plt.subplots()

plt.scatter(x, y)
plt.axis('equal')
plt.show()

是否有一种有效的方法将这些 numpy 数组转换为

shapely.Point([x, y])

以便将它们放置在 geopandas 地理数据框中？

这是我目前的方法：

interp_points = []
index = 0
y_list = yi.tolist()
for x in xi.tolist():
    interp_points.append(Point(x,y_list[index]))
    index += 1

但似乎转换为列表然后迭代可能不是提高性能的好方法，而且我有大约 160,000 点。

Answer 1

没有内置方法可以使用

shapely

执行此操作，因此您需要自己迭代这些值。为此，这应该是一种相当有效的方法：

In [4]: from geopandas import GeoSeries

In [5]: s = GeoSeries(map(Point, zip(x, y)))

In [6]: s.head()
Out[6]: 
0                    POINT (0 0)
1     POINT (1.01010101010101 0)
2     POINT (2.02020202020202 0)
3     POINT (3.03030303030303 0)
4    POINT (4.040404040404041 0)
dtype: object

In [6]: %timeit GeoSeries(map(Point, zip(x, y)))
114 ms ± 8.45 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

（或稍微替代

GeoSeries(list(zip(x, y))).map(Point)

）

请参阅此处的一些示例：http://geopandas.readthedocs.io/en/latest/gallery/create_geopandas_from_pandas.html

有一些（停滞的）工作可以将其直接包含在 geopandas 中：https://github.com/geopandas/geopandas/pull/75

Answer 2

我认为这是一个好方法：

import numpy as np        
from shapely import geometry

points_np_array = np.random.rand(50,2)
polygon_1 = geometry.Polygon(np.squeeze(points_np_array))

Answer 3

从 geopandas 版本 0.5.0（2019 年 4 月 25 日）开始，您可以使用

points_from_xy

来实现此目的：

# continuing from your example:
df = gpd.GeoDataFrame(geometry = gpd.points_from_xy(x, y))
df.plot()
plt.show()

（嵌入

GeoSeries

，即

gpd.GeoSeries(gpd.points_from_xy(x, y))

，效果同样好，但我想复制你的情节。）

GeoPandas 库中有一个示例，完整文档位于此处。

Answer 4

更好地使用这个列表理解：

[tuple(x) for x in arr.tolist()]